刨析二分查找本质：超越“单调性”的边界判定与竞赛实战

刨析二分查找本质：超越“单调性”的边界判定与竞赛实战

在算法竞赛（如 ICPC、PTA 天梯赛、洛谷题库）中，二分查找（Binary Search）是出场率极高且极易写出 Bug 的基础算法。大多数教材将二分查找定义为“在有序数组中寻找特定元素”，这种理解在工业业务代码中勉强够用，但在高强度的算法竞赛中是远远不够的。

二分的真正本质并非“单调性”，而是“边界判定”。本文将刨析二分的底层逻辑，提供绝对不会死循环的 C++ 竞赛模板，并深入分析“二分答案”这一高阶实战技巧。

---

一、 二分的本质：寻找性质的边界

假设我们有一个区间，区间内的元素并不一定具有严格的数值单调性，但存在某种判定性质（Predicate）。
如果这个区间可以通过该性质被完美划分为两半：

• 左半部分：全部满足该性质。
• 右半部分：全部不满足该性质。

那么，二分查找的作用，就是以 \(O(\log N)\) 的时间复杂度，精准地找出这个分界点。这就是为什么很多看似没有“顺序”的图论题或动态规划题，依然能嵌套二分的原因——只要你能构造出一个将搜索空间“一分为二”的判定条件，就能二分。

---

二、 整数二分的终极模板：告别死循环

在手写二分时，最痛苦的莫过于陷入 while(l < r) 的死循环，或者在 l = mid 还是 l = mid + 1 之间犹豫不决。

以下两套 C++ 模板通过严格的区间划分，彻底杜绝了边界问题。其核心在于：mid 的计算方式必须与区间的更新方式严格匹配。

模板 1：寻找左边界（满足条件的第一个元素）

当我们将区间 [l, r] 划分为 [l, mid] 和 [mid + 1, r] 时，使用此模板。

// 寻找满足 check(x) 的最小值（左边界）
int binary_search_left(int l, int r) {
    while (l < r) {
        int mid = l + r >> 1; // 等价于 (l + r) / 2
        if (check(mid)) {
            r = mid;          // mid 满足条件，答案在 [l, mid] 中
        } else {
            l = mid + 1;      // mid 不满足，答案在 [mid + 1, r] 中
        }
    }
    return l;
}

模板 2：寻找右边界（满足条件的最后一个元素）

当我们将区间 [l, r] 划分为 [l, mid - 1] 和 [mid, r] 时，使用此模板。
避坑核心：此时计算 mid 必须加上 1，即 l + r + 1 >> 1。因为 C++ 的整数除法是向下取整的，如果 l = r - 1，且没有加 1，mid 会等于 l。若此时执行 l = mid，区间大小不变，程序将陷入死循环。

// 寻找满足 check(x) 的最大值（右边界）
int binary_search_right(int l, int r) {
    while (l < r) {
        int mid = l + r + 1 >> 1; // 必须加 1，防止向下取整导致的死循环
        if (check(mid)) {
            l = mid;              // mid 满足条件，答案在 [mid, r] 中
        } else {
            r = mid - 1;          // mid 不满足，答案在 [l, mid - 1] 中
        }
    }
    return l;
}

---

三、 竞赛核心杀器：二分答案 (Bisection of Answer)

在洛谷和 PTA 的中高阶题目中，纯粹的“在数组中二分”极少出现。取而代之的是“二分答案”。

1. 题型特征

如果你在题目中看到以下字眼，基本可以直接确立“二分答案”的思路：

• “最大化最小值”（如：把木头锯成 \(K\) 段，让最短的那段尽可能长）。
• “最小化最大值”（如：将数组分为 \(M\) 个连续子数组，让和最大的子数组尽可能小）。
• 题目要求一个极值，直接正向推导极其困难，但如果我“猜”一个答案，去验证它是否合法，却很容易（验证复杂度通常为 \(O(N)\)）。

2. 核心逻辑：从“求解”降维到“判定”

二分答案的做法，就是直接在可能的答案值域（例如 \([1, 10^9]\)）上进行二分查找。
每次取一个中间值 mid，将求解最优解的问题，转化为一个非黑即白的判定问题：check(mid)。

实战案例分析：最小化最大值（如洛谷 P1182 数列分段）
要求将长度为 \(N\) 的数组分成 \(M\) 段，使得各段和的最大值最小。

• 直接求：状态转移复杂，动态规划可能超时。
• 二分答案：假设最大和为 mid。此时问题降维成：“在每段和都不超过 mid 的前提下，能否将数组分成的段数 \le M？”
• check 函数实现：贪心地从左到右累加，一旦当前和加上下一个元素超过了 mid，就截断开辟新的一段。最后统计总段数是否 \le M。这只需要 \(O(N)\) 的时间。

整体时间复杂度从不可接受的级别，瞬间降到了 \(O(N \log(\text{MAX_VAL}))\)，这就是二分答案的降维打击能力。

---

四、 浮点数二分与精度控制

除了整数二分，计算几何或物理模拟类题目中常涉及浮点数二分（例如求二次函数的根，或求解某条射线的相交时间）。
浮点数二分不需要考虑边界死循环问题（不需要 \(+1\)），但核心在于精度控制。

double float_binary_search(double l, double r) {
    // eps 一般取题目要求精度的后两位，例如要求保留 4 位小数，eps 就取 1e-6
    const double eps = 1e-6; 
    
    while (r - l > eps) {
        double mid = (l + r) / 2.0;
        if (check(mid)) {
            r = mid; 
        } else {
            l = mid;
        }
    }
    return l;
}

暴力替代法：为了防止某些题目极端数据下精度判定失效，很多顶尖选手会直接放弃 while (r - l > eps)，直接固定循环次数（如 for (int i = 0; i < 100; i++)）。二分 100 次足以在浮点数范围内达到惊人的精确度，且绝对不会超时。

---

五、 总结

二分查找在算法竞赛中的地位，类似于物理学中的牛顿定律——形式简单，但衍生出的应用无穷无尽。

剥开表象，二分的本质是在一维空间中利用 \(O(\log N)\) 的时间代价进行快速试错。掌握好 l + r >> 1 和 l + r + 1 >> 1 的边界选择，明确 check() 判定的单调性分界点，你就彻底掌握了解决“最值优化问题”最有效的一把钥匙。